Probé GPT 5.6 Sol vs Fable 5. Lo que necesitas saber.

Benjamín Cordero

Resumen

El autor compara el rendimiento de los modelos de IA Claude 3.5 Sonnet (mencionado como Fable 5) y GPT-4o (mencionado como GPT 5.6) enfrentándolos a tres misiones de complejidad creciente. Analiza no solo la calidad de los resultados, sino también el costo real por tarea, revelando que el precio por token es engañoso debido al comportamiento de los modelos. Concluye que la elección entre herramientas depende del flujo de trabajo específico y advierte sobre los peligros de confiar ciegamente en los benchmarks de marketing.

Capítulos

  1. 0:00Introducción y objetivos del reto
  2. 0:54Contexto de los modelos
  3. 1:40La controversia de los benchmarks
  4. 2:22Definición de las reglas de prueba
  5. 3:16Mención a competidores como Grok 4.5
  6. 3:27Misión 1: Landing Page
  7. 4:05Comparativa de resultados Misión 1
  8. 7:48Misión 2: Juego 2D estilo Zelda
  9. 8:50Comparativa de resultados Misión 2
  10. 15:15Misión 3: Rebranding de software
  11. 26:07Análisis final de costos y tokens
  12. 28:00Conclusión sobre el precio por tarea
  13. 30:37Reflexión sobre el futuro y competencia

Temas tratados

  • Comparativa entre Claude y GPT
  • El problema de los benchmarks

+6 temas más (contenido completo al seguir el canal)

Extracto de la transcripción

Le di exactamente los mismos tres trabajos a los dos modelos de inteligencia artificial más potentes del planeta. Le entregué una misión fácil, una difícil y una que parecía imposible. Y entre los dos quemaron más de 160 millones de tokens. Por API esto equivaldría a $200 y yo los quemé y los gasté y los probé para que tú no tengas que hacerlo. Y lo que me entregaron no fue lo que me esperaba. El final, de hecho, tiene una trampa que no vi tenir y el modelo, que cuesta la mitad me terminó saliendo más. Pero para ponerte en contexto antes de comenzar, me encantó grabar este video, está s superinesante, quedó s super entretenido, así que te agradecería un montón si me dejas un like por el esfuerzo y los tokens quemados que ya no van a volver en la producción de este video. Además, así también te empieza a salir más contenido de este estilo y a mí también me empiezas a ayudar un montón. Ant…